算法学习

Java:break,continue和return区别
break:适用于switch和loop
continue:只适用于loop
两者都可以通过给循环加标签来控制跳出,如下例所示
class BreakDemo
{
public static void main(String[] args)
{
w:for (int i=0; i<=4; i++) ##外for循环加标签
{
q:for(int m=0;m<10;m++)##内for循环加标签
{
System.out.println(“ok”);
break w;##通过标签跳出最外层循环
}
}
}
}
continue:跳出本次循环继续下一次循环

break: 跳出循环体,继续执行循环外的函数体

return: 跳出整个函数体,函数体后面的部分不再执行

class JavaBese
{
public static void main (String[] args)
{
int j = 3;
for (int i = 0; i < 5; i++)
{
if (i == j)
{
continue;
}
System.out.println("i = " + i);
}
System.out.println(“循环结束”);
}
}
打印结果为:
i = 0
i = 1
i = 2
i = 4
循环结束
如果是break,打印结果为:
i = 0
i = 1
i = 2
循环结束
如果是return, 打印结果为:
i = 0
i = 1
i = 2
链接:https://www.cnblogs.com/paulwinflo/p/7803859.html
递归:
https://www.cnblogs.com/xiaosen992608/p/4037682.html
https://blog.youkuaiyun.com/u013634252/article/details/80551060
运用:求阶乘、斐波那契数列等等。
https://blog.youkuaiyun.com/qq_32998153/article/details/53191818
https://www.cnblogs.com/xiaomingtx/p/5760973.html
深度优先搜索:
https://www.jianshu.com/p/d6f794e0cea9

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值